OpenAI公司CEO Sam Altman認為：「現在你只需要告訴計算機你需要什麼，它就會為你完成所有任務。」

在大部分人為之興奮的時候，有一些人感受到了危機，有初創企業CEO看到之後直接感嘆：

除了「當場失業」的OpenAI的下游創業者，還有與AI息息相關的提示詞工程師。

現在，簡單的自然語言交互就能完成複雜的任務，普通人還需要會「咒語」嗎？提示詞工程師正變得岌岌可危？「頭號AI玩家」對話了相關從業者，試圖找到答案。

和AI「聊天」，人人皆可手搓GPTs

創建「AI助手」，本質上就是利用提示詞（Prompt）進行交互的過程。

這種交互可能以對話的形式進行，比如對AI下達指令，也有可能以編程的方式，在代碼中嵌入提示，和API調用有點相似。

ChatGPT Plus版用戶在ChatGPT首頁點擊「Explore」按鈕，即可創建專屬於自己的GPTs。

Open AI的GPT生成器分為兩部分，在左側創建頁面提出需求的同時，右邊就會同步演示新的GPT角色。

根據指令的不同，GPT生成器還會對用戶的操作進行引導，比如「我將你的GPTs稱為天氣預報員可以嗎」，如果不滿意，可以將自己額外的需求告訴GPT。

將基礎信息調配滿意後，用戶可以進入「Configure」頁面，進行進一步的配置。

在這個頁面中，GPT名稱、角色描述、引導使用語都能自行調整。更主要的是「關鍵指令（Instruction）」的設置，它在一定程度上決定了後續GPT助手的生成效果。

關鍵指令的描述包含角色目標、約束、指導原則、個性化等等，這些可以直接採用官方示例或是自行調整。

用戶還可以上傳外部資料庫，讓GPTs在對話時調用專業的知識庫回答問題。

「X」社交平台用戶Florian分享了成功和失敗的GPTs之間有什麼區別。

他提到，最關鍵的點是用戶需要按步驟提出指令，以保持前後的一致性，並確認GPT擁有「角色」，比如「你是一個程式設計師/律師/占星師」等。

在嘗試過程中，其實並沒有用到複雜的指令，但指令的明確性和詳細程度決定了AI助手的效果。

足夠具體的提示詞，越能得到好的結果。

這裡的具體不僅僅是輸入的需求、背景、參考示例，更是要求明確AI輸出的內容也需要足夠具體。

比如以何種語言風格、多少字數、敘事結構等等。明確且結構化地表達想法，可以提高模型的回答質量。

一旦明確了每次交互的需求，更重要的是不斷嘗試調整。Sam AItman也曾提到，不斷嘗試對話回合是編寫優質Prompt的重要方法。

由於AI每次輸出的結果有一定隨機性，多嘗試改進提示詞便能獲得高質量的結果。

國內科大訊飛和Datawhale推出AI Prompt工程師計劃，引導用戶掌握有效提示詞，以非代碼的形式實現人機對話。

新手小白在完成提示詞課程學習後，進入星火助手中心創建特定場景下的人物角色，就能得到相應的AI Prompt工程師證書。

上周突然爆火的遊戲《完蛋了！我被LLM包圍了》，就是讓玩家在解謎的過程中，學會大模型提示詞技巧。

整個遊戲，玩家只需設計不同的提示詞，想方設法讓模型輸出指定答案，即可獲得成功。

遊戲里不斷調整提示詞的過程，就是在了解背後的提示詞設計邏輯。

技術的更新讓指令設計變得更加簡單，極大降低了使用門檻，一些相關職業的壁壘正在消失。

提示詞工程師變得岌岌可危？

GPTs大爆發之後，對提示詞工程師究竟有什麼影響？

根據相關從業者的分享經歷來看，在大模型交互中，誰能提出好問題便能決定誰能用好AI。

提示詞工程師劉海的主要工作是「如何設計問題以達到理想的結果」，在已有的提示詞程序上編寫各種場景的提示詞，如小紅書生成器，星座占卜，生成日報等等。

提示詞優化前後

劉海提到，「Prompt工程雖然只是AIGC應用的其中一個環節，但提示詞環環相扣，它考驗的是如何將一個需求變得清晰完整」。提示詞工程挑戰的不僅是能否提出一個好問題，更是對所在行業的了解程度，對需求的拆解，並控制AI輸出穩定理想的結果。

不過，提示詞工程一直逃不開「短命」「臨時產物」的論調。

6月，《哈佛商業評論》刊文認為，提示工程並不是未來，只是一個短暫的現象。隨著AI模型的進步，它會變得多餘。

劉海表示，Prompt應該是每一個人的語言技能，是表達整合能力，而不該期待它成為一個長久獨立的崗位。

科技企業也在彌合專業人士和普通玩家之間的差距，降低提示工程的門檻。

10月，微軟推出了自動優化提示詞的新框架，不再需要人工進行優化，AI自己就可以訓練自己，生成更好的提示詞回復組合。

Jina.ai、Fusion ai等科技企業更是專注於開發相應軟體，可以直接幫助用戶生成更適合的提示詞。在Instagram等平台有用戶通過售賣提示詞產品，進行商業變現。

憑藉國內大模型蓬勃發展，百度、科大訊飛、騰訊等科技企業根據不同的使用場景和功能模塊，設計了更符合具體使用環境和交互需求的AI工具，激發大模型的應用潛力。

隨著大模型對自然語言的理解能力變強，原本需要多重表達的需求，現在只需要一句話就能表達清楚。

Sam Altman認為，在這樣的情況下，未來的提示詞工程只需要一個Magic Word（魔法詞）就能實現更好的效果。

不過目前提示詞工程仍然有其存在的價值，至少目前還沒有發展到人人都能用自然語言和大模型隨意溝通的程度。

首都師範大學信息工程學院副教授唐曉嵐在接受採訪時表示，除非未來技術能夠將人腦內容直接輸出，不然用戶一定要把自己的想法表達出來，那麼對Prompt的探索優化就會一直存在。

首都師範大學信息工程學院副教授唐曉嵐在接受採訪時表示，除非未來技術能夠將人腦內容直接輸出，不然用戶一定要把自己的想法表達出來，那麼對Prompt的探索優化就會一直存在。

面對GPTs帶來的挑戰，不止提示詞工程師感到岌岌可危。「X」社交平台網友發文調侃，機器學習、AI、數據的前景明朗，多虧了OpenAI。

此前Sam Altman在YC校友分享會上提到，「套殼OpenAI，註定消亡」。杜克大學教授陳怡然甚至直言：「中小開發者可以歇歇了」。

OpenAI讓整個AI生態陷入了瘋狂的軍備競賽中，巨頭之下，初創團隊面對巨大的競爭壓力，並不是所有人都能倖存。

有創業者認為「要麼做OpenAI不做的東西，要麼做OpenAI暫時還做不出來的東西」。

長遠來看，那些找到差異化優勢的、靈活的開發者會在競爭中存活下來，這些技術創新也會讓更多人受益。

正如紅杉資本合伙人Konstantine Buhler最近受訪時所說的，生成式AI浪潮並不會是零和博弈，而是人人受益的「水漲船高」，任何人都可以用更少的成本做更多的事情。

人機通過Prompt交互的時代

創建GPTs之外，OpenAI還表示將上線GPT Store，允許用戶發布專屬機器人獲得收入，但具體收益機制、訂閱模式都未提及。

或許在將來，用戶需要何種類型的GPT，只要購買訓練的提示詞，便能獲得相應的GPTs。有GPTs創作者表示，只有帶來真正的收入，GPTs才能夠發展起來，提示詞工程才有望專業化。

李彥宏在2023百度世界大會上預測，新的應用會在一次次的Prompt中生成。

曾有一名年僅16歲的用戶花費600小時不斷優化一個Prompt，甚至為這個Prompt設計了一個框架，幫助其他用戶能夠低門檻完成結構化的Prompt²。

無論是網上售賣的提示詞，或是無償分享的設計框架，都只是AI訓練師們不斷摸索交互中總結而來的經驗。

FlowGPT創始人Jay曾在一檔播客節目中提到，Prompt的變革和代碼早期非常相似。GPT-4等模型的升級，意味著提示詞工程師可以寫出更容易成規模的指令。

也就是說，將來的AI系統可能不會因為用戶少輸入，或是多添加某個詞，就輸出截然不同的結果。

人工智慧每天都在進行爆炸性的進展。比爾蓋茨還曾說「640K內存已經足夠用了」，而現在，他提出了AI將顛覆軟體行業的論斷。

AI帶來的職業會不會被AI取代，目前還有一定爭議。但可以肯定的是，在人機通過Prompt交互的時代，提問比答案更重要。

相關連結：

1.https://nanfangshaonian.feishu.cn/wiki/CkIowVcTjiL3EdkJjzzcaeJPnfh

2.https://docs.google.com/document/d/1oufQ_tSN5S23cqUqq0Lre2R-Hoe1TEZELXAvazBXD_8